Implementasi Algoritma K-Means Clustering Untuk Segmentasi Tingkat Kesehatan Mental Mahasiswa Berdasarkan Faktor Stress Dan Akademik

Jadiaman  Parhusip; Jovanka Feranita; Meisya Pradana  Mentari; Tasya  Apriliani; Armando Marcello  Jessend

doi:10.55338/jumin.v7i1.7856

Authors

Jadiaman Parhusip, Universitas Palangka Raya, Indonesia
Jovanka Feranita, Universitas palangka raya, Indonesia
Meisya Pradana Mentari, Universitas Palangka Raya, Indonesia
Tasya Apriliani, Universitas Palangka Raya, Indonesia
Armando Marcello Jessend, Universitas Palangka Raya, Indonesia

DOI:

https://doi.org/10.55338/jumin.v7i1.7856

Keywords:

Mental Health, Segmentation, K-Means Clustering, Data Mining, Students

Abstract

Penelitian ini mengeksplorasi segmentasi kesehatan mental pada mahasiswa dengan menerapkan algoritma K-Means Clustering untuk menemukan pola risiko yang didasarkan pada indikator psikologis dan faktor akademis. Langkah-langkah penelitian mencakup pra-pemrosesan data, pengubahan variabel kategorikal, pengukuran fitur, serta penentuan jumlah klaster optimal melalui Metode Elbow, Skor Silhouette, dan Indeks Davies-Bouldin dengan menggunakan dataset “Student Mental Health” yang diperoleh dari Kaggle. Proses pengelompokan menghasilkan enam klaster yang memiliki Skor Silhouette 0.8707 dan DBI 0.315, menunjukkan adanya struktur klaster yang padat dan terpisah dengan baik. Analisis yang dilakukan mengungkapkan bahwa klaster-klaster tersebut dapat dikelompokkan ulang ke dalam tiga segmen utama, yaitu Baik, Moderat, dan Perlu Perhatian, yang menggambarkan perbedaan kondisi kesehatan mental di kalangan mahasiswa. Hasil ini menunjukkan bahwa teknik data mining memberikan kontribusi signifikan dalam menawarkan representasi kuantitatif terkait kondisi psikologis mahasiswa, serta dapat membantu dalam merancang intervensi kesehatan mental yang lebih terfokus di institusi pendidikan tinggi

Downloads

Download data is not yet available.

References

M. Shutaywi and N. N. Kachouei, “Silhouette Analysis for Performance Evaluation in Machine,” Entropy, vol. 23, pp. 1–17, 2021.

J. Ou, K. Wang, M. Zuo, D. Chen, and H. Luo, “Factors Influencing the Mental Health of First-Year College Students: Evidence from Digital Records of Daily Behaviors,” Behav. Sci. (Basel)., vol. 15, no. 5, 2025, doi: 10.3390/bs15050618.

P. Córdova Olivera, P. Gasser Gordillo, H. Naranjo Mejía, I. La Fuente Taborga, A. Grajeda Chacón, and A. Sanjinés Unzueta, “Academic stress as a predictor of mental health in university students,” Cogent Educ., vol. 10, no. 2, 2023, doi: 10.1080/2331186X.2023.2232686.

F. Sari, M. Kuntari, W. Yati, H. Khaulasari, and M. Hafiyusholeh, “Implementasi K-Means Clustering Melalui Pemanfaatan Sampling Kombinasi Pada Pengelompokan Pola Kesehatan Mental Mahasiswa Sains dan Teknologi,” J. Nas. Teknol. dan Sist. Inf., vol. 11, no. 1, pp. 9–16, 2025, doi: 10.25077/teknosi.v11i01.2025.9-16.

N. Wulan, I. Palupi, S. R. Ummah, and P. Larasati, “Konsep dan Praktik Metode Kualitatif untuk Penelitian Sosial,” 2025.

M. Waruwu, S. N. Pu`at, P. R. Utami, E. Yanti, and M. Rusydiana, “Metode Penelitian Kuantitatif: Konsep, Jenis, Tahapan dan Kelebihan,” J. Ilm. Profesi Pendidik., vol. 10, no. 1, pp. 917–932, 2025, doi: 10.29303/jipp.v10i1.3057.

M. Bahauddin and Z. Fatah, “Application of K-means Clustering Data Mining in Grouping Data of People with Disabilities,” JEECS (Journal Electr. Eng. Comput. Sci., vol. 10, no. 1, pp. 49–58, 2025, doi: 10.54732/jeecs.v10i1.6.

I. R. Paucar, C. Yactayo-Arias, and L. Andrade-Arenas, “Predictive Models in Mental Health Based on Unsupervised Data Clustering,” Int. J. Adv. Comput. Sci. Appl., vol. 16, no. 9, 2025, doi: 10.14569/ijacsa.2025.0160990.

Dela Fahiran Pandiangan and Meyniar Albina, “Model dan Tahapan Penelitian Kuantitatif: Pendekatan Teoretis dan Praktis dalam Kajian Pendidikan,” J. IHSAN J. Pendidik. Islam, vol. 3, no. 3, pp. 724–730, 2025, doi: 10.61104/ihsan.v3i3.1494.

Y. A. Wijaya, D. A. Kurniady, E. Setyanto, W. S. Tarihoran, D. Rusmana, and R. Rahim, “Davies Bouldin Index Algorithm for Optimizing Clustering Case Studies Mapping School Facilities,” TEM J., vol. 10, no. 3, pp. 1099–1103, 2021, doi: 10.18421/TEM103-13.